Jupyter Notebook中Pandas DataFrame宽表转长表及多条件排序实现咨询

嘿，这个需求用Pandas的melt函数就能轻松搞定，而且代码超好维护，完全不用手动挨个处理产品列！我给你一步步拆解：

步骤1：自动识别产品列（适配产品增减） #

首先我们不用硬写product 1到product 40，而是通过列名前缀自动匹配所有产品列——这样以后产品增删都不用改代码，维护起来超省心：

# 获取所有以"product "开头的列
product_cols = [col for col in df.columns if col.startswith('product ')]

步骤2：将宽表转长表 #

用pd.melt把分散的产品列合并成Product_name和product value两列，同时保留你需要的基础信息列：

# 转换格式：宽表转长表
melted_df = pd.melt(
    df,
    id_vars=['number', 'name', 'street', 'time', 'day'],  # 要保留的基础列
    value_vars=product_cols,  # 需要转换的产品列
    var_name='Product_name',  # 新列：产品名称（对应原列名）
    value_name='product value'  # 新列：产品的具体值
)

步骤3：筛选非空行并固定产品顺序 #

这一步解决两个核心需求：

• 过滤掉产品值为空的行（和你之前的dropna逻辑完全一致）
• 避免product 10排在product 2前面的排序混乱问题（通过把产品列设为有序类别实现）

# 筛选产品值非空的行
melted_df = melted_df.dropna(subset=['product value'])

# 固定Product_name的排序（和原始DataFrame中的产品列顺序保持一致）
melted_df['Product_name'] = pd.Categorical(
    melted_df['Product_name'],
    categories=product_cols,  # 用原始产品列的顺序作为类别排序依据
    ordered=True
)

步骤4：排序并导出整合文件 #

最后按day和time升序排序，同时因为我们已经固定了Product_name的顺序，同天同时间的产品会严格按照原始列顺序排列，完全符合你的要求：

# 按day、time排序，同时保证Product_name的顺序不乱
sorted_df = melted_df.sort_values(by=['day', 'time', 'Product_name'], ascending=True)

# 导出为整合的Excel文件
sorted_df.to_excel('integrated_products.xlsx', index=False)

为什么这个方案适合你？ #

• 无需手动维护产品列：自动识别所有product 开头的列，产品增删都不用改代码
• 逻辑清晰易维护：每一步都是简单的Pandas基础操作，哪怕编程能力有限的维护人员也能看懂
• 完美解决排序混乱问题：通过有序类别彻底避免字符串排序的坑

内容的提问来源于stack exchange，提问作者Jordy Van Vliet